'''
---------------------------------------
程序:糗百爬蟲
語言:Python 3.6
操作:輸入quit退出閱讀糗事百科
功能:按下回車依次瀏覽今日的糗百熱點
---------------------------------------
'''
import urllib.request
import re
import _thread
import time
#----------- 加載處理糗事百科 -----------
class Spider_Model:
def __init__(self):
self.page = 1
self.pages = []
self.enable = False
# 將所有的段子都扣出來,添加到列表中並且返回列表
def GetPage(self,page):
myUrl = " http://www.qiushibaike.com/8hr/page/" + page
user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'
headers = { 'User-Agent' : user_agent }
req = urllib.request.Request(myUrl, headers = headers)
myResponse = urllib.request.urlopen(req)
myPage = myResponse.read()
#encode的作用是將unicode編碼轉換成其他編碼的字符串
#decode的作用是將其他編碼的字符串轉換成unicode編碼
unicodePage = myPage.decode("utf-8")
# 找出所有class="content"的div標記
#re.S是任意匹配模式,也就是.可以匹配換行符
myItems = re.findall('<div.*?class="content".*?>\n*<span>(.*?)</span>\n*</div>',unicodePage,re.S)
items = []
for item in myItems:
# item 中第一個是div的標題,也就是時間
# item 中第二個是div的內容,也就是內容
items.append(item.replace("\n",""))
return items
# 用於加載新的段子
def LoadPage(self):
# 如果用戶未輸入quit則一直運行
while self.enable:
# 如果pages數組中的內容小於2個
if len(self.pages) < 2:
try:
# 獲取新的頁面中的段子們
myPage = self.GetPage(str(self.page))
self.page += 1
self.pages.append(myPage)
except:
print ('無法鏈接糗事百科!' )
else:
time.sleep(1)
def ShowPage(self,nowPage,page):
for items in nowPage:
print (u'第%d頁' % page , items)
myInput = input()
if myInput == "quit":
self.enable = False
break
def Start(self):
self.enable = True
page = self.page
print(page)
print (u'正在加載中請稍候......')
# 新建一個線程在後臺加載段子並存儲
_thread.start_new_thread(self.LoadPage,())
#----------- 加載處理糗事百科 -----------
while self.enable:
# 如果self的page數組中存有元素
if self.pages:
nowPage = self.pages[0]
del self.pages[0]
self.ShowPage(nowPage,page)
page += 1
#----------- 程序的入口處 -----------
print (u"""
---------------------------------------
程序:糗百爬蟲
語言:Python 3.6
操作:輸入quit退出閱讀糗事百科
功能:按下回車依次瀏覽今日的糗百熱點
---------------------------------------
""")
print( u'請按下回車瀏覽今日的糗百內容:' )
input(' ')
myModel = Spider_Model()
myModel.Start()